課程簡(jiǎn)介
本課程將圍繞機(jī)器學(xué)習(xí)和深度學(xué)習(xí)展開(kāi)，課程強(qiáng)調(diào)興趣培養(yǎng)與動(dòng)手操作；內(nèi)容以目前比較前沿的技術(shù)以及豐富的案例為主，以理論講解為根，以案例演示為主。講解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的模型理論和代碼實(shí)踐，從根本上解決如何使用模型；課程安排中，首先闡述算法理論和少量公式推導(dǎo)，然后使用真實(shí)數(shù)據(jù)做數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的數(shù)據(jù)分析、特征選擇、調(diào)參和結(jié)果比較。通過(guò)一個(gè)項(xiàng)目講解模型選擇、調(diào)優(yōu)、模型部署等內(nèi)容。
目標(biāo)收益
了解機(jī)器學(xué)習(xí)、深度學(xué)習(xí)基本概念，尤其掌握最新的xgboost等前沿模型，并且結(jié)合案例分析，進(jìn)行實(shí)踐。
培訓(xùn)對(duì)象
課程大綱
| 第一天上午（共3時(shí)） 機(jī)器學(xué)習(xí)基礎(chǔ) |
1.機(jī)器學(xué)習(xí)所需要的工具-sklearn介紹； 2.機(jī)器學(xué)習(xí)相關(guān)知識(shí)講解 3.常用分類算法講解：邏輯回歸，決策樹(shù)，樹(shù)模型，集成學(xué)習(xí) 4.常用預(yù)測(cè)算法講解：線性回歸，xgboost |
| 第一天下午（共3時(shí)）案例講解 |
1.通過(guò)若干案例講解業(yè)務(wù)分析、數(shù)據(jù)預(yù)處理、模型選擇、參數(shù)調(diào)優(yōu)以及如何部署 2.案例：金融信用卡盜刷分析 3.案例：客戶畫(huà)像分析 4.案例：葡萄酒數(shù)據(jù)集的決策樹(shù)/隨機(jī)森林分類 5.案例：泰坦尼克乘客存活率估計(jì) 6.案例：金融分析 |
| 第二天上午（共3時(shí)） 深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò) |
1.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，濾波器，卷積 池化，激活函數(shù)，反向傳播 目標(biāo)分類與識(shí)別、目標(biāo)檢測(cè) 經(jīng)典AlexNet、VGG、GoogleLeNet Inception、ResNet、DenseNet 2.案例：搭建自己的卷積神經(jīng)網(wǎng)絡(luò) 基于CNN的圖像識(shí)別 卷積神經(jīng)網(wǎng)絡(luò)調(diào)參經(jīng)驗(yàn)分享 |
| 第二天下午（共3時(shí)）深度學(xué)習(xí)：循環(huán)神經(jīng)網(wǎng)絡(luò) |
1.RNN基本原理 LSTM、GRU Attention 編碼器與解碼器結(jié)構(gòu) 言特征提?。簑ord2vec Seq2seq模型 2.案例：Cnn結(jié)合RNN做一個(gè)看圖說(shuō)話案例 3.案例：藏頭詩(shī)生成 問(wèn)答對(duì)話系統(tǒng) 4.大模型講解 5.案例：使用大模型搭建一個(gè)對(duì)話系統(tǒng)。 |
|
第一天上午（共3時(shí)） 機(jī)器學(xué)習(xí)基礎(chǔ) 1.機(jī)器學(xué)習(xí)所需要的工具-sklearn介紹； 2.機(jī)器學(xué)習(xí)相關(guān)知識(shí)講解 3.常用分類算法講解：邏輯回歸，決策樹(shù)，樹(shù)模型，集成學(xué)習(xí) 4.常用預(yù)測(cè)算法講解：線性回歸，xgboost |
|
第一天下午（共3時(shí)）案例講解 1.通過(guò)若干案例講解業(yè)務(wù)分析、數(shù)據(jù)預(yù)處理、模型選擇、參數(shù)調(diào)優(yōu)以及如何部署 2.案例：金融信用卡盜刷分析 3.案例：客戶畫(huà)像分析 4.案例：葡萄酒數(shù)據(jù)集的決策樹(shù)/隨機(jī)森林分類 5.案例：泰坦尼克乘客存活率估計(jì) 6.案例：金融分析 |
|
第二天上午（共3時(shí)） 深度學(xué)習(xí)：卷積神經(jīng)網(wǎng)絡(luò) 1.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，濾波器，卷積 池化，激活函數(shù)，反向傳播 目標(biāo)分類與識(shí)別、目標(biāo)檢測(cè) 經(jīng)典AlexNet、VGG、GoogleLeNet Inception、ResNet、DenseNet 2.案例：搭建自己的卷積神經(jīng)網(wǎng)絡(luò) 基于CNN的圖像識(shí)別 卷積神經(jīng)網(wǎng)絡(luò)調(diào)參經(jīng)驗(yàn)分享 |
|
第二天下午（共3時(shí)）深度學(xué)習(xí)：循環(huán)神經(jīng)網(wǎng)絡(luò) 1.RNN基本原理 LSTM、GRU Attention 編碼器與解碼器結(jié)構(gòu) 言特征提?。簑ord2vec Seq2seq模型 2.案例：Cnn結(jié)合RNN做一個(gè)看圖說(shuō)話案例 3.案例：藏頭詩(shī)生成 問(wèn)答對(duì)話系統(tǒng) 4.大模型講解 5.案例：使用大模型搭建一個(gè)對(duì)話系統(tǒng)。 |
近期公開(kāi)課推薦
